---
title: "ANÁLISE COVID-19"
output:
flexdashboard::flex_dashboard:
orientation: rows
#vertical_layout: fill
vertical_layout: scroll
social: [ "twitter", "facebook","google +", "linkedin", "pinterest" ]
source_code: embed
---
```{r setup, include=FALSE}
#devtools::install_github("jeromefroe/circlepackeR")
#library(devtools)
library(flexdashboard)
library(readxl)
library(tidyverse)
library(plotly)
library(ggmap)
library(RColorBrewer)
library(treemap)
library(hrbrthemes)
library(circlepackeR)
library(data.tree)
library(babynames)
library(viridis)
#library(dplyr)
library(lubridate)
library(DT)
#library(d3treeR)
library(chorddiag)
library(circlize)
library(igraph)
library(ggplot2)
library(ggfortify)
BASE_DADOS = read.csv2("C:/Users/pedro.silva/Desktop/PESSOAL/06.PUC IA, BIG DATA/MODULO 3/PROJETO INTEGRADOR/PROJETO INTEGRADOR/BANCO DE DADOS/HIST_PAINEL_COVIDBR_21abr2021.csv")
#BASE_DADOS$YEAR <- format(as.Date(BASE_DADOS$data), "%Y")
#BASE_DADOS$MONTH <- format(as.Date(BASE_DADOS$data), "%m")
BASE_DADOS$estado=as.vector(BASE_DADOS$estado)
```
Óbitos no Brasil {data-navmenu="Análise COVID-19"}
=====================================
Row {data-width=150}
--------------------------------------
### value box - Quantidade de infectados
```{r}
value=formatC(max(BASE_DADOS$casosAcumulado), format="f", big.mark=".", digits=0)
valueBox(value, "Quantidade de casos", icon = "virus", color = "#C9D200")
```
### Value Box - Total de óbitos desde o início da pandemia
```{r}
value=formatC(max(BASE_DADOS$obitosAcumulado), format="f", big.mark=".", digits=0)
valueBox(value, "Quantidade de óbitos totais", icon = "virus", color = "#DC3535")
```
### Valor máximo de mortes diárias
```{r}
value=formatC(max(BASE_DADOS$obitosNovos), format="f", big.mark=".", digits=0)
valueBox(value, "Registro máximo de mortes diárias", icon = "virus", color = "#00AE9D")
```
### Valor máximo de mortes diárias
```{r}
value=max(BASE_DADOS$obitosAcumulado)/max(BASE_DADOS$casosAcumulado)*100
valueBox(paste(round(value, 2), '%', sep = "" ), "Percentual de letalidade", icon = "virus", color = "#b30000")
```
Row
-------------------------------------
### Gráfico da quantidade de óbitos no Brasil
```{r}
ref = BASE_DADOS %>% filter(regiao=='Brasil')
data <- data.frame(
group=ref$data,
value=ref$obitosNovos
)
plot_ly(data, x = ~group, y = ~value, type = 'bar', name = 'SF Zoo') %>%
layout(barmode = 'group', xaxis = list(title = "Data"), yaxis = list(title="Óbitos"))
```
### Gráfico da quantidade de óbitos em Goiás
```{r}
ref = BASE_DADOS %>% filter(estado=='GO') %>% filter(municipio=="")
data <- data.frame(
group=ref$data,
value=ref$obitosNovos
)
plot_ly(data, x = ~group, y = ~value, type = 'bar', name = 'SF Zoo') %>%
layout(barmode = 'group', xaxis = list(title = "Data"), yaxis = list(title="Óbitos"))
```
Row
---
### Proporção de óbitos por estado
```{r}
ref = BASE_DADOS %>% filter(estado!="") %>% filter(municipio=="") %>% select(estado, obitosNovos)
ref = aggregate(obitosNovos~estado, ref, sum)
data <- data.frame(
group=ref$estado,
value=ref$obitosNovos
)
plot_ly(data, labels = ~group, values = ~value, type = 'pie') %>%
layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))
```
### Razão de óbitos por população dos estados brasileiros
```{r}
ref = BASE_DADOS %>% filter(estado!="") %>% filter(municipio=="") %>% select(estado, obitosNovos, populacaoTCU2019)
obitos = aggregate(obitosNovos~estado, ref, sum)
populacao = ref %>% select(estado, populacaoTCU2019) %>% unique() %>% filter(populacaoTCU2019!="")
ref = inner_join(obitos, populacao, by = "estado")
ref$razao = (ref$obitosNovos/ref$populacaoTCU2019)*100
data <- data.frame(
group=ref$estado,
value=ref$razao
)
plot_ly(data, labels = ~group, values = ~value, type = 'pie') %>%
layout(xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))
```
Row
---
### Compilado de informações tabulares
```{r}
ref = BASE_DADOS %>% filter(estado!="") %>% filter(municipio=="")
obitos = aggregate(obitosNovos~estado, ref, sum)
infectados = aggregate(casosNovos~estado, ref, sum)
populacao = ref %>% select(estado, populacaoTCU2019) %>% unique() %>% filter(populacaoTCU2019!="")
prevalencia = data.frame(estado = infectados$estado, prevalencia = paste(round((infectados$casosNovos/populacao$populacaoTCU2019)*100, 2), "%", sep = " "))
final = obitos %>% inner_join(infectados) %>% inner_join(populacao) %>% inner_join(prevalencia)
final$letalidade = paste(round((final$obitosNovos/final$casosNovos)*100, 2), '%', sep = " ")
final$estado = as.factor(final$estado)
datatable(final, rownames = FALSE,
filter = "top",
options = list(
dom = "Blfrtip"
, buttons =
list("copy", list(
extend = "collection"
, buttons = c("csv", "excel", "pdf", "print")
, text = "Download"
) ) # end of buttons customization
# customize the length menu
, lengthMenu = list( c(5, 10, 20, -1) # declare values
, c(5, 10, 20, "All") # declare titles
) # end of lengthMenu customization
, pageLength = 5
)
)
```
### Análise de componentes principais
```{r}
ref = BASE_DADOS %>% filter(estado != "") %>% filter(municipio == "") %>% select(regiao, estado, casosNovos, obitosNovos)
valor_recuperados = sum(na.omit(BASE_DADOS$Recuperadosnovos))
valor_casos_novos = sum(na.omit(BASE_DADOS$casosNovos))
ref$prop_casos_novos = ref$casosNovos/valor_casos_novos
ref$recuperadosNovos = round(ref$prop_casos_novos*valor_recuperados, 0)
ref=ref %>% select(regiao, estado, casosNovos, obitosNovos, recuperadosNovos)
casosnovos = aggregate(casosNovos~estado, ref, sum)
obitosnovos = aggregate(obitosNovos~estado, ref, sum)
recuperadosnovos = aggregate(recuperadosNovos~estado, ref, sum)
regiao = ref %>% select(estado, regiao)
maindata = casosnovos %>% inner_join(obitosnovos, by = 'estado') %>% inner_join(recuperadosnovos, by = 'estado') %>% inner_join(regiao, by = 'estado') %>% unique()
rownames(maindata) = maindata$estado
mypr = prcomp(maindata[,2:4], scale. = T)
p = autoplot(mypr, data = maindata, colour = 'regiao', loadings = TRUE, loadings.label = TRUE) +
geom_text(label = rownames(maindata), check_overlap = T)
ggplotly(p)
```